阿里巴巴集团研究团队提出了Tree-GRPO，一种革命性的AI智能体训练方法。该方法通过树状结构让AI探索多种思考路径并进行比较学习，在多跳推理任务中实现了69%的性能提升，同时将训练成本降低至传统方法的四分之一。这项创新为解决AI稀疏监督和高昂训练成本问题提供了新思路。

近日，戴尔科技集团正式宣布一系列进展和新增架构选择，让企业的传统应用程序和云原生环境均可受益于戴尔科技云平台。

数据中心是现代银行信息化的基础设施，也是银行业落实“双碳”的主要着力点。在数据中心能耗构成中，制冷能耗占比40%左右，是实现绿色数据中心的关键环节。数据中心发热量也随之提升，对制冷提出了更高的要求。这也导致数据中心制冷节能面临挑战。

国家数据局等部门关于印发《“数据要素×”三年行动计划（2024—2026年）》的通知

随着大数据、云计算、人工智能等技术的落地和应用，家电行业发生了深刻变革，企业营销开始从流量思维向用户价值思维进行转变，能否更精准、更有前瞻性地洞察用户需求成为企业营销数字化转型的关键。

截至2018年年底，预计将有三分之二（66%）的区块链将被整合至企业系统当中。只有15%的受访者仅通过传闻听说过该项技术，而75%的受访者相信其将“非常有用”。

虽然智慧城市解决方案的交付需要一个总体规划，但往往最终一次只部署一个项目，而专注于大局实际上已经放慢了思科在智慧城市方面的计划，思科公司首席执行官罗卓克这样说。

作为HarmonyOS操作系统的代表性技术之一，基于HarmonyOS API开发的原子化服务，是面向未来超级终端的服务形态。

日前，英特尔与今日头条战略合作联合发布会暨技术创新联合实验室发布会在北京举行。会议以“数据赋能 AI正当时”为主题，双方宣布将在数据中心底层架构、软件优化与落地应用的全方位合作，并联合发布了技术创新实验室，以驱动大数据分析和人工智能创新。

10月9日，一直以硬件为中心的半导体领军者赛灵思隆重发布了历经五年，投入总计 1000 个人工年而打造的Vitis 统一软件平台，此平台无需用户深入掌握硬件专业知识，即可根据软件或算法代码自动适配和使用赛灵思硬件架构。

过去十年，科技行业有许多令人满意的发展。 我们不断看到许多技术上的进步和革新。例如，人工智能（AI）——在本世纪初被视为只有科幻小说里才会出现的技术，现在在我们的日常生活中几乎无处不在。

今年参加RSA 2020的安全负责人、渠道负责人和技术负责人谈了他们的一些观点，关于哪些网络安全初创公司正在颠覆网络安全领域，这些初创公司通过开发围绕新兴技术的保护工具，或者以较低资源密集的方式有效解决长期安全挑战。

5G、工业互联网的发展，将驱动越来越多的工作负载向边缘端迁移。

西奈山医疗中心首席信息官、医学院IT院长KristinMyers的目标是在三年内将他们大部分的应用都迁移到云端。其电子健康记录系统Epic将成为迁移到微软Azure的应用之一。自Myers加入该组织医疗，在中心的各个方面部署了Epic，并计划至少在2025年之前扩大部署规模。

苹果公司研究显示，Claude、Gemini、DeepSeek-R1等大型推理模型在复杂问题上表现令人失望。研究发现，在低复杂度任务中，常规模型优于推理模型；中等复杂度时推理模型稍好但耗费10-50倍计算资源；高复杂度下两者均失效。专家认为这些模型只是复杂的模式匹配，缺乏真正推理能力。对冲基金CEO更倾向预测性AI，研究者建议结合符号AI与神经网络构建神经符号AI系统。

这是由新加坡Sea AI Lab等机构联合完成的突破性研究，提出了FlowReasoner查询级元智能体系统。该系统能为每个用户查询定制专门的多智能体解决方案，突破了传统"一套方案解决一类问题"的局限。通过推理能力结合外部执行反馈的强化学习，在多个代码生成基准上综合准确率达81.89%，相比o1-mini提升10.52%，代表了AI系统从标准化向个性化发展的重要转折。

我国共建“一带一路”倡议推动了沿线国家相关产业的发展，也新增了企业合作机会。位于刚果（布）西南沿岸的佳柔（Kayo）油田项目正是“一带一路”倡议在非洲的重要合作项目，在该项目中，维谛技术（Vertiv，NYSE：VRT）积极携手客户出海

最新研究发现,生成式人工智能和大型语言模型存在两种不良行为:一是会作弊,二是会试图隐藏作弊证据。这种行为类似于犯罪后企图掩盖罪行,使情况更加恶劣。研究提醒我们,在使用AI时不仅要警惕其作弊行为,还要注意AI会竭尽全力阻止我们发现作弊的证据。这对于AI的可信度和使用提出了严峻挑战。

波士顿大学研究团队开发的DORI基准测试从四个维度评估多模态大语言模型的物体方向理解能力：正面对齐、旋转变换、相对方向和规范方向感知。研究评估了15个最先进模型，发现即使最佳模型在粗粒度任务上的准确率也仅为54.2%，在细粒度方向判断上更低至33.0%，与人类表现相差近30%。结果表明当前模型在精确角度估计、多视角追踪和理解复合旋转方面存在系统性缺陷，反映了它们内部3D空间表示的根本局限，为未来模型设计提供了明确方向。

北京大学研究团队提出"弱到强解码"创新框架，让小型礼貌模型为大语言模型提供良好开头，解决AI道德对齐难题。该方法在保持专业能力的同时显著提升安全性，避免传统微调的性能损失，为低资源环境下的AI对齐提供了经济高效的解决方案，展现了巧妙协作胜过单纯扩大模型规模的设计智慧。